图像文本检测是指从图像中定位出文本区域,该技术广泛应用于图像检索、智能教育等领域。本课题源于移动应用广告文案分析的实际需求,此场景下文本多为水平分布或者接近水平分布,需要快速准确地定位出复杂背景下的文本区域。同时考虑实际应用中的部署,模型的大小还需要满足资源限制。近年来随着深度学习的兴起,涌现出了许多优秀的文本检测算法。文本目标相对常见目标有着明显的序列性和方向性,需要设计相应网络结构以保持序列性。应用场景中文本区域尺度变化往往较大,主流的两阶段的检测算法缺乏对不同尺度检测场景下的考虑。需要设计合理算法,在不过多影响检测速度的前提下,有效地提取序列特征和层次特征并进行多特征融合。在基于片段的文本检测算法中,通用检测方法产生的检测结果和真实标签相比具有一定冗余,还需要设计合理的文本行构造算法以贴近真实文本区域。本文围绕以上分析,充分利用文本的序列性和不定长的特点,对通用两阶段目标检测算法进行改进,设计了基于片段的文本检测方法。针对文本序列特性以及多尺度问题设计了合理有效的检测算法,其核心为基于序列特征和多尺度特征的多特征融合网络。融合方式包括两个维度:层次之间的多尺度特征融合与层内的序列特征融合。前者的目的是为了解决不同尺度下文本目标检测,后者则是为了充分挖掘文本的序列特点。实验表明,在这两个维度上的融合能够改进检测结果。针对现有模型在后处理阶段存在的不足,本文提出了基于最大稳定极值区域的改进文本行构造算法。传统方法误检率较高但检测结果相对精确,本文在后处理阶段利用传统方法定位准确的特点,设计了改进算法,能够去除冗余的检测片段。针对模型在倾斜文本检测场景中的不足,改进的文本行构造算法还可以获得更为贴近真实文本区域的倾斜四边形检测结果,能够有效地去除水平和竖直方向上的冗余区域。为了验证本文所提出算法的可行性,本文在ICDAR2013数据集上展开实验,同主流检测算法进行验证对比,F分数为0.82,单张图片检测耗时约为0.12秒,证明算法的有效性。在自建广告文案数据集上进行测试,F分数为0.84。实验结果表明,本文提出的算法能够满足实际应用场景下的要求。